外观
AI提示词教程：从入门到进阶写好Prompt
先给答案：写好AI提示词（Prompt），不需要背复杂咒语，核心只有一个公式——角色+任务+背景+格式要求。把这四个要素说清楚，无论用ChatGPT、Claude、Gemini还是DeepSeek，输出质量都会有明显提升；反过来，只丢一句笼统的话，AI给到的往往也是笼统的答案，需要来回追问好几轮才能凑合能用。
这篇文章不是教你"怎么注册登录用某个AI"，那部分内容看 ChatGPT指南、Claude指南、Gemini指南、DeepSeek指南，一句话带过：先把网络环境和账号问题解决，再回来学怎么把提示词写好。这篇文章聚焦"提示词本身怎么写"——同一个AI工具，会不会写提示词，产出效果能差出好几倍，这是比"用哪个AI"更值得花时间打磨的技能。
本文按"基本结构 → 5套分场景模板 → 进阶技巧 → 不同AI的写法差异 → 常见误区"的顺序展开，读完可以直接照着模板套用，不需要从零摸索。
提示词的基本结构：角色+任务+背景+格式要求
一条完整的提示词，通常由四个要素组成，缺哪个都会让AI"猜"，猜得越多，跑偏概率越高。
角色：告诉AI"以什么身份回答"，比如"你是一名资深HR"、"你是英语外教"。角色不是必需项，简单问题不用写；但涉及专业判断、语气风格的任务，明确角色能让回答的专业度和口吻更贴近需求。
任务：具体要AI做什么，用动词说清楚，比如"帮我改写""帮我找出逻辑漏洞""帮我生成三个标题"，而不是笼统的"帮帮我"。
背景：任务发生的上下文，包括谁在用、给谁看、已有哪些材料。背景信息越具体，AI越不容易答非所问。
格式要求：想要的输出形态，字数、语气、结构、是否要分点，提前说清楚能省掉一轮返工。
下面用一个真实场景对比"写得差"和"写得好"的提示词，直观感受差距：
| 版本 | 提示词内容 | 效果 |
|---|---|---|
| 写得差 | 帮我写一封邮件 | AI不知道写给谁、什么事、什么语气，只能给一个通用模板，几乎不能直接用 |
| 写得好 | 你是一名电商客服主管，我需要写一封给逾期未付款客户的提醒邮件。背景：客户已逾期7天，此前有过一次友好提醒但未回复。要求：语气礼貌但要明确说明逾期后果，控制在150字以内，结尾附一个还款链接占位符 | AI能直接给出可用初稿，语气、长度、结构都贴近实际需求，稍作调整即可发出 |
再看一个数据分析场景的对比：
| 版本 | 提示词内容 | 效果 |
|---|---|---|
| 写得差 | 帮我分析这份数据 | AI不知道分析目的和关注点，可能给出一堆泛泛的描述性统计，抓不住重点 |
| 写得好 | 你是一名数据分析师，下面是本季度三个渠道的销售数据（粘贴数据）。任务：找出环比下滑最明显的渠道并给出可能原因，格式：先给一句话结论，再用三条要点说明依据 | AI会围绕"下滑原因"这个具体目标组织回答，结论先行、要点清晰，直接能拿去做汇报参考 |
实际场景中，学生写论文提纲、职场人写周报、创作者列选题，套用的都是同一套四要素逻辑，区别只是每个要素填的内容不同。
注意事项：四要素不是必须每次都写全，简单的日常问答不需要角色和格式要求；但涉及专业输出、要直接拿去用的内容，四要素越完整，返工次数越少。
5套可直接套用的分场景提示词模板
下面给出5个高频场景的提示词模板，方括号内是需要替换成你自己信息的占位符，替换后可以直接发送使用。每个模板配一段使用说明，讲清楚什么时候用、怎么改、要注意什么。
写作润色模板
你是一名【专业领域，如英语编辑/中文文案】。
下面是我写的一段【文章类型，如论文摘要/公众号文案】：
【粘贴原文】
请帮我润色，要求：
1. 保留原意，不改变核心观点
2. 语言更【简洁/正式/口语化，按需选择】
3. 指出原文中逻辑不通顺的地方并说明原因使用说明：这个模板适合已经有初稿、需要提升表达质量的场景，学生润色论文摘要、职场人润色汇报文案都能用。关键是第3条——让AI不只是"改写"，还要"说明原因"，这样能学到修改逻辑，而不只是拿到一段看不懂改在哪的新文字。注意事项：涉及专业术语和数据的段落，润色后务必核对原意有没有被改变。
代码调试模板
我在【编程语言】里遇到一个报错，报错信息是：
【粘贴完整报错信息】
相关代码如下：
【粘贴代码片段】
预期行为是【描述你希望代码做什么】，实际行为是【描述实际发生了什么】。
请帮我定位问题原因，并给出修复方案。使用说明：调试类提示词最容易犯的错是"只说报错不给代码"或"只给代码不说预期行为"，AI缺任何一块信息都只能猜。把报错信息、代码片段、预期行为三块都给全，定位效率会明显提升。注意事项：涉及公司内部代码或敏感业务逻辑，先做脱敏处理再粘贴，不要把密钥、内部接口地址等信息直接丢给AI。
数据分析模板
你是一名数据分析师，下面是【数据来源说明，如某平台后台导出的销售数据】：
【粘贴数据或描述数据结构】
分析目标：【你想弄清楚什么问题，如为什么某渠道环比下滑】
请先给一句话结论，再用要点列出支撑结论的依据，最后给1-2条可执行的建议。使用说明：数据分析类提示词的核心是"先明确分析目标"，不要笼统地说"帮我分析"，而要具体到"我想弄清楚什么"。这样AI才能围绕目标筛选信息，而不是把数据从头到尾复述一遍。注意事项：AI给出的分析建立在你提供的数据基础上，数据本身的准确性和完整性需要自己把关，重要决策不要只依赖AI单方面的分析结论。
邮件撰写模板
你是【你的身份，如项目经理】，需要写一封【邮件类型，如项目延期说明】邮件，收件人是【收件对象，如客户/上级】。
背景：【简要说明事情经过】
要求：语气【正式/礼貌/委婉，按需选择】，控制在【字数】以内，包含【必须提到的关键信息，如新的时间节点】。使用说明：邮件类提示词最容易漏掉"收件对象"和"语气要求"这两项，写给客户和写给同事的措辞差别很大，提前说清楚能避免AI给出的初稿语气不合适。注意事项：涉及道歉、延期说明这类敏感邮件，AI给的初稿建议再手动调整措辞后再发出，不要不加修改直接使用。
学习辅导模板
你是一名【学科】老师，我在学【具体知识点】，目前的理解是【你现在的理解，哪怕是错的也写出来】。
请用【举例子/打比方/分步推导，按需选择】的方式帮我讲清楚，讲完后出2道题考考我，看我是不是真的懂了。使用说明：这个模板的关键是把"你现在的理解"也告诉AI，哪怕理解是错的，AI能针对性纠正，比重新讲一遍知识点更高效；结尾加"出题考我"能主动检验学习效果，而不是看完就以为自己懂了。注意事项：涉及考试、作业的内容，AI辅导只用于理解知识点，不要直接抄AI给出的答案当作业提交，具体是否允许AI辅助以学校规定为准。
进阶技巧：分步指令、给出示例、让AI反问澄清需求
掌握基本结构和模板之后，下面三个进阶技巧能进一步提升复杂任务的完成质量，尤其适合任务本身比较复杂、一次说不清楚的情况。
分步指令：复杂任务不要指望AI一次到位，把任务拆成几个明确的步骤，让AI按顺序完成。比如写一份行业分析报告，与其说"帮我写一份完整报告"，不如说"第一步，先列出报告大纲；第二步，我确认大纲后，你再逐节展开"。场景举例：一名产品经理要写竞品分析，先让AI列出对比维度，确认维度合理后再让它逐条展开分析，比一次性要求"写一份完整竞品分析报告"更容易得到贴合需求的结果。操作方法是在提示词里明确写"先做第一步，等我确认后再继续"；注意事项是每一步给的反馈要具体，比如"第2点不准确，应该是……"，而不是笼统地说"不对"。
给出示例：如果对输出风格有明确要求，与其用语言描述风格，不如直接给AI一个你满意的例子，让它模仿。比如希望邮件的语气像某一封之前写得比较好的邮件，把那封邮件贴进去，说"请参考这封邮件的语气和结构，帮我写一封关于XX的邮件"。场景举例：内容创作者希望新文案延续自己一贯的风格，与其反复描述"要活泼一点、要有网感"，不如直接贴几段自己过去写得满意的文案作为参考。操作方法是"这是一个参考示例：【示例内容】，请模仿它的风格完成以下任务"；注意事项是示例本身质量要高，如果给的示例本身就有问题，AI也会跟着模仿这些问题。
让AI反问澄清需求：面对模糊或复杂的需求，主动要求AI先提问再动手，能大幅减少跑偏的情况。操作方法很简单，在提示词末尾加一句"如果我的描述不够清楚，请先向我提问，不要直接开始写"。场景举例：一名开发者需要重构一段涉及多个模块的代码，需求本身比较复杂不容易一次说清楚，加上这句话之后，AI会先追问关键细节（比如"是否需要保持原有接口不变"），确认清楚之后再给方案，比直接动手改完再返工效率更高。注意事项：这个技巧对越复杂、越模糊的任务效果越明显，简单任务不需要每次都加，容易显得啰嗦。
ChatGPT、Claude、Gemini提示词写法的细微差异
三款主流AI工具的基本提示词逻辑是通用的（角色+任务+背景+格式要求同样适用），但因为产品设计和擅长方向不同，写法上有一些细微的差异值得注意：
| 维度 | ChatGPT | Claude | Gemini |
|---|---|---|---|
| 擅长的输入方式 | 指令清晰、任务拆分明确的提示词效果好，支持在设置里保存"自定义指令"作为长期背景 | 擅长处理长背景资料，可以一次性把长文档、长代码贴进去再提问，结构化的分点式提示词效果更稳定 | 与Google生态结合紧密，适合把邮件、文档一起丢进去问，日常口语化的描述也能被理解得比较准确 |
| 适合的复杂任务 | 多轮对话中反复迭代同一个任务 | 一次性给大段背景资料，要求长文档分析、长代码审查 | 结合Gmail、Google文档等场景内直接调用，适合边看文档边提问 |
| 提示词长度倾向 | 中等长度，结构清晰即可 | 可以更长，把完整背景一次给全效果更好 | 中等长度，善用已有文档上下文，不需要每次都重复背景 |
实际选择建议：需要处理长文档、长代码这类需要"一次性喂给AI大量背景"的任务，Claude的提示词可以写得更完整、更结构化；日常快速迭代的写作任务，ChatGPT用清晰的分步指令效果稳定；如果任务本身就依赖Gmail、Google文档里的内容，直接在Gemini里结合文档提问，不用把内容再复制粘贴一遍。DeepSeek在中文语境下同样遵循"四要素"的基本逻辑，不需要额外学习专门的写法。
注意事项：这些差异是使用体验上的倾向，不是硬性规则，同一套写得清楚的提示词，在三款产品上通常都能得到还不错的结果，不必为了"适配某个产品"而过度纠结提示词的形式。
常见误区与避坑指南
误区一：提示词越长越好。堆砌大量无关信息反而会让AI抓不住重点，关键是"要素齐全"而不是"字数多"，能用一句话说清楚的背景不要写三句。
误区二：迷信"咒语式"万能提示词。网上流传的一些所谓"神级提示词模板"确实能提升效果，但没有放之四海皆准的万能公式，同样的模板套用在不同场景下效果差别很大，理解基本结构比背模板更重要。
误区三：只问一次不追问。第一版输出不满意就直接放弃或重新开一个对话从头再问，效率远不如针对不满意的具体部分追问修改，AI记得上下文，迭代比重来更快。
误区四：把AI当百分百准确的搜索引擎。涉及具体数据、法律条款、专业事实的问题，AI的回答仍然可能出错（幻觉），务必自行核实关键信息，不要直接采信。
误区五：复制别人的提示词不做调整。别人写得好的提示词模板是针对他自己的场景优化的，直接套用往往对不上你的实际背景，参考结构、替换成自己的信息，比原样照搬更有效。
常见问题
提示词和Prompt是一回事吗？
是的，Prompt是英文原词，中文通常翻译成"提示词"，指输入给AI的指令和描述，两者说的是同一个概念。
新手怎么才能快速写好提示词？
记住"角色+任务+背景+格式要求"四要素，套用本文的分场景模板先跑通几次，再根据自己的实际场景微调占位符里的内容，比从零开始摸索效率高很多。
提示词越长越好吗？
不是，关键是四要素是否齐全，而不是字数多少。堆砌无关信息反而会分散AI的注意力，让回答抓不住重点。
为什么别人的提示词模板我用效果不好？
模板通常是针对特定场景优化的，直接套用而不替换成自己的背景信息，效果自然打折扣。建议保留模板的结构逻辑，把占位符换成实际的任务和背景。
AI提示词有没有固定的"万能公式"？
没有绝对万能的公式，但"角色+任务+背景+格式要求"这套基本结构适用于绝大多数场景，是目前公认比较通用的起点，具体细节仍需要根据任务调整。
提示词一定要用英文写效果才好吗？
不需要。中文语境下，无论ChatGPT、Claude、Gemini还是DeepSeek，用中文提问都能得到质量不错的回答，不必刻意翻译成英文再提问，除非任务本身就是要生成英文内容。
ChatGPT和Claude的提示词能通用吗？
基本可以通用，两者的核心逻辑一致。差别在于Claude处理长背景资料时接受更长、更结构化的提示词效果更稳定，其余场景下同一套写得清楚的提示词在两个产品上通常都能得到不错的结果。
AI没有按照提示词的要求输出怎么办？
先检查提示词的四要素是否有遗漏，尤其是格式要求（字数、结构）是不是写清楚了；其次可以直接指出哪里没达到要求，让AI针对性修改，比重新写一遍完整提示词更高效。
提示词里可以直接粘贴大段文字或文件内容吗？
可以，多数AI工具支持长文本输入或直接上传文件。粘贴大段内容后建议在开头简单说明这段内容是什么、想让AI做什么，方便它准确理解上下文。涉及敏感信息的文件，粘贴前先做脱敏处理。
写代码用的提示词和写文章的提示词有什么区别？
核心结构一样，区别在背景信息的类型：写代码需要给报错信息、代码片段、预期行为；写文章需要给主题、目标读者、语气和格式要求。把对应场景该给的背景信息补全，比套用同一套模板更重要。
提示词里要不要指定AI的"身份/角色"？
看任务复杂度。简单的日常问答不需要指定角色；涉及专业判断、需要特定语气风格的任务（比如让它扮演某个领域的专家），明确角色能让回答的专业度和口吻更贴近需求。
提示词技巧会不会因为AI升级很快就过时？
具体的模型能力会持续升级，但"把角色、任务、背景、格式要求说清楚"这套底层逻辑相对稳定，不会因为模型换代就失效，这也是本文没有围绕某一个具体模型版本展开的原因。
一次提示词里能不能同时提多个任务？
可以，但建议给AI一个明确的处理顺序或让它分点回答，比如"先做A，再做B"，否则任务较多时AI可能只顾着回答其中一部分，遗漏其他要求。